[發(fā)明專利]動態(tài)調(diào)度方法、系統(tǒng)、電子設(shè)備及計算機存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210653870.3
• 申請日: 2022-06-10
• 公開（公告）號: CN115061436A
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計）人: 呂雅瓊;張嘉桐;白玥
• 申請（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號: G05B19/418
• 分類號: G05B19/418;G06N3/04;G06N3/08
• 代理公司: 武漢智嘉聯(lián)合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 42231
• 代理人: 張璐

本發(fā)明涉及一種動態(tài)調(diào)度方法、系統(tǒng)、電子設(shè)備及計算機存儲介質(zhì)，其方法包括：獲取智能車間的當(dāng)前調(diào)度析取圖、AGV當(dāng)前位置信息及預(yù)設(shè)狀態(tài)特征的當(dāng)前狀態(tài)特征值；將所述當(dāng)前調(diào)度析取圖、AGV當(dāng)前位置信息及預(yù)設(shè)狀態(tài)特征的當(dāng)前狀態(tài)特征值輸入到預(yù)先建立的調(diào)度模型中，輸出調(diào)度規(guī)則；執(zhí)行所述調(diào)度規(guī)則，并更新執(zhí)行所述調(diào)度規(guī)則之后的下一步調(diào)度析取圖、AGV下一步位置信息及預(yù)設(shè)狀態(tài)特征下一步狀態(tài)特征值；將更新后的下一步調(diào)度析取圖、AGV下一步位置信息及預(yù)設(shè)狀態(tài)特征下一步狀態(tài)特征值重新輸入至所述預(yù)先建立的調(diào)度模型中，迭代輸出并執(zhí)行新的調(diào)度規(guī)則，直至所述待處理工件處理完成。本發(fā)明提高了調(diào)度效率。

技術(shù)領(lǐng)域

本發(fā)明涉及調(diào)度管理技術(shù)領(lǐng)域，尤其涉及一種AGV調(diào)度系統(tǒng)及方法。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，人工智能逐漸應(yīng)用到各行各業(yè)。許多制造業(yè)企業(yè)的生產(chǎn)車間也開始引進自動化的設(shè)備，進行智能化的生產(chǎn)。其中AGV(Automated Guided Vehicle，自動導(dǎo)引運輸車)作為工業(yè)機器人的一種，它具有可編程、自動導(dǎo)航、網(wǎng)絡(luò)交互等功能，能夠自動進行各種物料的搬運和路徑導(dǎo)航，可以說只要有搬運需要的場所，就有應(yīng)用AGV的需求。

在智能車間中的柔性生產(chǎn)線需要AGV進行原料輸送和成品的搬運，所以需要對AGV進行調(diào)度，而如何對AGV小車進行動態(tài)調(diào)度是亟待解決的問題。

發(fā)明內(nèi)容

有鑒于此，有必要提供一種動態(tài)調(diào)度方法、系統(tǒng)、電子設(shè)備及計算機存儲介質(zhì)，用以提高AGV小車的動態(tài)調(diào)度的效率，增加訂單的準(zhǔn)點完工率，減少訂單的延遲時間。

為了實現(xiàn)上述目的，第一方面，本發(fā)明提供了一種動態(tài)調(diào)度方法，包括：

獲取智能車間的當(dāng)前調(diào)度析取圖、AGV當(dāng)前位置信息及預(yù)設(shè)狀態(tài)特征的當(dāng)前狀態(tài)特征值；

將所述當(dāng)前調(diào)度析取圖、AGV當(dāng)前位置信息及預(yù)設(shè)狀態(tài)特征的當(dāng)前狀態(tài)特征值輸入到預(yù)先建立的調(diào)度模型中，輸出調(diào)度規(guī)則，其中，所述調(diào)度規(guī)則包括待處理工件在機器的處理順序及運輸所述待處理工件的AGV的調(diào)度順序；

執(zhí)行所述調(diào)度規(guī)則，并更新執(zhí)行所述調(diào)度規(guī)則之后的下一步調(diào)度析取圖、AGV下一步位置信息及預(yù)設(shè)狀態(tài)特征下一步狀態(tài)特征值；

將更新后的下一步調(diào)度析取圖、AGV下一步位置信息及預(yù)設(shè)狀態(tài)特征下一步狀態(tài)特征值重新輸入至所述預(yù)先建立的調(diào)度模型中，迭代輸出并執(zhí)行新的調(diào)度規(guī)則，直至所述待處理工件處理完成。

可選的，調(diào)度析取圖包括機器及工件的狀態(tài)信息；

所述預(yù)設(shè)狀態(tài)特征包括機器平均利用率、機器利用率的標(biāo)準(zhǔn)差、調(diào)度動作的平均完成率、工件平均完成率、工件完成率的標(biāo)準(zhǔn)差、估計遲到率和實際遲到率。

可選的，所述預(yù)先建立的調(diào)度模型是基于改進型DQN網(wǎng)絡(luò)進行建立的，其中，所述改進型DQN網(wǎng)絡(luò)的結(jié)構(gòu)包括圖神經(jīng)網(wǎng)絡(luò)、在線網(wǎng)絡(luò)、目標(biāo)網(wǎng)絡(luò)、經(jīng)驗回放池和損失函數(shù)。

可選的，所述預(yù)先建立的調(diào)度模型的訓(xùn)練過程，包括：

獲取歷史調(diào)度析取圖、AGV歷史位置信息及預(yù)設(shè)狀態(tài)特征的歷史狀態(tài)特征值，并將所述歷史調(diào)度析取圖輸入到圖神經(jīng)網(wǎng)絡(luò)中得到機器與工件的歷史狀態(tài)信息；

將所述歷史狀態(tài)信息、AGV歷史位置信息及預(yù)設(shè)狀態(tài)特征的歷史狀態(tài)特征值作為歷史狀態(tài)輸入到在線網(wǎng)絡(luò)中進行迭代訓(xùn)練得到歷史經(jīng)驗數(shù)據(jù)，并將所述歷史經(jīng)驗數(shù)據(jù)存儲到經(jīng)驗回放池，其中，所述歷史經(jīng)驗數(shù)據(jù)包括歷史狀態(tài)、歷史調(diào)度動作及下一步歷史狀態(tài)；

選取所述歷史經(jīng)驗數(shù)據(jù)中的歷史狀態(tài)輸入到在線網(wǎng)絡(luò)中，輸出歷史估計Q值；

選取所述歷史經(jīng)驗數(shù)據(jù)中的下一步歷史狀態(tài)輸入到目標(biāo)網(wǎng)絡(luò)中，輸出歷史目標(biāo)Q值；

利用BP算法計算所述歷史估計Q值與所述歷史目標(biāo)Q值的損失函數(shù)，并更新所述在線網(wǎng)絡(luò)的參數(shù)；